类型:在线学习| MP4 | 视频:h264,1280×720 | 音频:aac,48000 Hz
语言:英语| 大小:4.46 GB | 持续时间:7.5小时
您将学到的内容
使用Python中的Transfer Learning创建全栈计算机视觉模型。该课程将包括有关如何在python中创建计算机视觉模型以及如何使用Django将其托管在服务器上的详细信息。
如何保存和部署使用Django创建的任何python ML / DL模型。
如何在生产,客户端(html,CSS)和服务器端(Python)编程中部署模型。所有开源和免费使用的技术。
学习Django并将python代码与Django Framework集成。
如何为您的python代码或ML / DL模型创建用户界面(UI),可以从用户那里获取输入,将输入传递给ML / DL模型,然后将结果呈现回UI。
如何利用转移学习进行特征提取,从而帮助训练新模型而无需强大的GPU。
可重用性:如何快速重新训练在新图像集上创建的模型。
如何创建端到端计算机视觉项目。
需求
Python(我确实包括一些Python基础知识作为复习内容)
深度学习的知识很好,但不是必须的。我确实提供了详细的讲座,解释了CNN架构和迁移学习以及代码。
热心学习。
课程说明
本课程是为能够训练ML / DL模型的开发人员设计的,但是他们在保存模型以备将来使用时或在通过全栈门户部署模型时遇到了困难。本课程将教您如何从头开始训练和创建计算机视觉模型,如何利用转移学习进行特征提取,如何使用pickle保存这些模型,以及如何使用Django框架部署模型。
本课程的对象:
谁想要创建具有客户端(html,css,javascript)和服务器端(Python)功能的全栈门户。
一位希望将其训练有素的ML / DL模型保存在python中以便将来进行预测的人。
一位知道如何用python创建ML / DL模型但不知道如何部署它的人。
一位希望将其模型托管为Web服务器的人。
想要创建项目的学生。可以非常快速地在新设置的图像上对模型进行训练,并且可以端到端创建KYC等项目或任何其他图像分类项目。
一位想使用tensorflow和Keras等开源库编写实际实现的代码的人。